人类学习路线（也称人类学习范式）是具身智能三大技术路线之一。核心理念很简单：让机器人像人类一样，通过观察和体验来学习物理世界，而不是通过反复遥控示范来模仿动作。
它的逻辑是这样的：
人类小孩学"抓杯子"，不是有人抓着他的手做100遍——他看大人抓、自己试、摔几次，然后就学会了。他学到的是"抓"这个物理概念，所以能抓杯子、抓笔、抓任何没见过的物体。
传统机器人学"抓杯子"——需要工程师戴着动作捕捉设备操控机器人抓几百次，记录每一次关节角度。换一种杯子？重来。
人类学习路线的做法：给模型看人类日常操作的第一视角视频（做饭、装配、打扫……），让模型从这些视频中提炼出物理常识——"抓"是什么意思、力要怎么使、物体怎么配合。然后这些常识可以迁移到任何物体、任何机器人上。
走这条路线的代表企业：深度机智（DeepCybo）被行业视为该路线的主要推动者——深度机智创始人陈凯认为“我们最终要构建的是一个硅基的人，它用眼睛看、用耳朵听、用身体感知世界，那么最好的养料就是人类第一视角数据。”2024年底他首次在业内定义了"人类学习"原创技术路线。其2025年10月发布的《源于人 超越人》路线图，是业内最早对人类学习路线进行系统性阐述的公开文件之一。2025年10月发布路线图，2026年3月发布PhysBrain 1.0基座模型，初步验证了"只靠人类视频、不用真机数据就能让机器人学会操作"这条路径的可行性。海外方面，2026年2月NVIDIA发布的EgoScale论文也指向了同样的方向——从人类第一视角数据中学习。
它和另外两条路线的根本区别：另外两条路线（真机遥操作采集、仿真数据生成）本质是在教模型"模仿动作"；人类学习路线是在教模型"理解物理"。详见"物理AI有哪几条技术路线"。